admin管理员组文章数量:1604899
最近刚好在学习搜索引擎分词，有了解一些分词插件，在这里给各位猿友分享一下。
本文主要介绍四个分词插件（ICTCLAS、IKAnalyzer、Ansj、Jcseg）和一种自己写算法实现的方式，以及一些词库的推荐。
一、ICTCLAS
1.1、介绍
中文词法分析是中文信息处理的基础与关键。中国科学院计算技术研究所在多年研究工作积累的基础上，研制出了汉语词法分析系统ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis System)。
它的主要功能包括中文分词；词性标注；命名实体识别；新词识别；同时支持用户词典。
先后精心打造五年，内核升级6次，目前已经升级到了ICTCLAS3.0。ICTCLAS3.0分词速度单机996KB/s，分词精度98.45%，API不超过200KB，各种词典数据压缩后不到3M，分词正确率高达97.58%(最近的973专家组评测结果)，基于角色标注的未登录词识别能取得高于90%召回率，其中中国人名的识别召回率接近98%，分词和词性标注处理速度为31.5KB/s。ICTCLAS 和计算所其他14项免费发布的成果被中外媒体广泛地报道，国内很多免费的中文分词模块都或多或少的参考过ICTCLAS的代码。是一个很不错的汉语词法分析器。
1.2、实例
博主windows64位的，如果32位系统的可参照如下文章：http://blog.sina/s/blog_64ecfc2f0102v1jp.html，该文章ICTCLAS的windows32位下载url和实例详解。
如果是windows64位系统，可按照博主的步骤实现实例。
（1）ICTCLAS50-Windows-64下载：http://download.csdn/detail/u013142781/9494942
（2）eclipse创建普通的java项目。
（3）ICTCLAS50_Windows_64_JNI解压后，将API目录ICTCLAS文件夹和ICTCLAS_I3S_AC_ICTCLAS50.h复制到java项目的src下。
（4）将API目录除了刚刚的ICTCLAS文件夹和ICTCLAS_I3S_AC_ICTCLAS50.h以外的文件和文件夹都复制到java项目的根目录下。
（5）创建测试类，代码如下：
package com.luo.test;
import java.io.UnsupportedEncodingException;
import ICTCLAS.I3S.AC.ICTCLAS50;
public class Test {
public static void main(String[] args) {
ICTCLAS50 testICTCLAS50 = new ICTCLAS50();
String argu = ".";//file Configure.xml and Data directory stored.
//初始化
try {
if(testICTCLAS50.ICTCLAS_Init(argu.getBytes("GB2312")) == false)
{
System.out.println("Init Fail!");
throw new Exception("初始化错误");
}
} catch (UnsupportedEncodingException e1) {
// TODOAuto-generated catch block
e1.printStackTrace();
} catch (Exception e1) {
// TODOAuto-generated catch block
e1.printStackTrace();
}
String s="中文词法分析是中文信息处理的基础与关键";
//导入用户词典前分词
byte nativeBytes[];
try {
n版权声明：本文标题：商品搜索引擎---分词（插件介绍与入门实例） 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://m.elefans.com/xitong/1728472445a1159730.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论